13=chap17多重线性回归及多元相关分析.pptVIP

Chap17多重线性回归及多元相关分析 ( multiple linear regression Multiple analysis) P238~246 教学目的与要求 ：2学时 + Chap18 §1一， （1）掌握：意义、用途、模型、条件，统计量。 （2）熟悉：应用、决定系数的意义。 （3）了解：筛选自变量、分类变量数量化。 教学内容提要 ： 重点讲解：意义、用途、模型、条件，统计量。 讲解：用SPSS和DPS统计软件操作方法。 介绍：多重回归分析应用、决定系数的意义。 重点：多重线性回归 难点：偏相关系数。 §1　多重线性回归 P238 一、 多重线性回归( multiple linear regression Multiple analysis) 1个应变量与多个自变量之间线性依存关系。 Example：SBP versus age, weight, height, etc 二、基本条件 ① xy呈线性关系； ② x 互相独立； ③ y正态分布。 三、应用 （1）预测与控制： x估y预测，y对x进行统计控制等。 如复方中多种药物间的配伍用量关系。 （2）分析因素的相对重要性： y最大。君臣佐使。 （3）同时调整多个混杂因素：似多元协方差分析。 （4）多元统计基础：logistic、判别、主成分、因子分析。 四、多重线性回归方程的建立: 最小二乘法原理。 1. 确定n：n应自变量个数m的5倍、最好20倍，否则效能不足。 n↑→结果越稳定。 2.筛选x ：使回归方程的拟合程度最佳。 （1）全局择优法：m个自变量的(2m－1)种组合→分别建立回归方程。最大校正决定系数法挑选R2最大者。 （2）逐步选择法（Stepwise） ：Forward、Backward→局部最优回归方程.不宜用于寻找最优预测模型或主要因素的实验性研究。 3. 多重共线性问题（multicollinearity） ：x间线性相关。 相关系数r 、容忍度（tolerance 1－r2）、方差膨胀因子（variance inflation factor，容忍度的倒数VIF）等。 r＞0.8 or 容忍度＜0.1 or VIF ↑→共线性↑。 消除：剔除x；合成一个变量等。 【SPSS操作思路】 全局择优法. 先分析X1、X2、X3的作用→保留有统计学意义的变量→考虑交互作用→保留有统计学意义的变量→多重线性回归方程. Analyze →Regression（回归）→Linear（线性回归），Y进Dependent、X1、X2、X3进Independent→Statistic，√Confidence intervals、√Collinearity diagnostics、√Casewise diagnostics，→ Continue→ OK * * 因X1回归系数P0.05, X2、X3回归系数P=0.000, 则排除X1，考虑X2、X3及其交互项. 先计算一级交互作用项：Transform →Compute，输x23，计算x2* x3→ OK Analyze →Regression（回归）→Linear（线性回归），X1出、 X2*X3 进indenpendent → OK 因X2、 X2*X3回归系数P0.05,应排除,但上一步显示X2、X3回归系数P=0.000, 则考虑排除交互项X2*X3重新分析. indenpendent中保留X2、X3。 建立二重线性回归方程 　　Y=45.110+28.844*X2-0.123*X3 二、多元相关的假设检验 1.简单相关系数、偏相关系数的假设检验： 【例17-2】 用表17-1资料计算乌头碱注射速度x1、常咯啉剂量x2、大鼠体重x3对延缓心律失常发生时间Y的影响4个变量的简单相关系数、偏相关系数，作假设检验。 【SPSS操作】L17-1.sav →Analyze → Correlate → Partial（偏相关分析），将x1、Y选入Variables，x2、x3选入Controlling for（控制变量即固定变量） 框→ Options，选择√ Zero-order correlations（输出零级相关系数即简单相关系数）→ Continue→OK 2.复相关系数R的假设检验 ： 　　推断Y与多个x之间是否确有线性相关关系。 H0：总体R=0， Y与多个x间无线性相关关系。 检验统计量：式17-7, P239。 R的检验由多重线性回归分析给出。 同一资料， R的检验与多重线性回归的检验结果一致。